期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于图像模式的肺结节识别
被引量:
3
1
作者
李阳
史东承
+2 位作者
王珂
王燕
魏艳芳
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2013年第S1期463-467,共5页
将矩阵化最小二乘支持向量机算法应用于肺结节识别的研究,将图像矩阵作为输入,可解决空间信息丢失问题。实验选用20套CT影像,用提取出的20个结节与20个假阳测试分类器性能。正则化参数用网格搜索方法进行交叉验证,从而得到线性核下的最...
将矩阵化最小二乘支持向量机算法应用于肺结节识别的研究,将图像矩阵作为输入,可解决空间信息丢失问题。实验选用20套CT影像,用提取出的20个结节与20个假阳测试分类器性能。正则化参数用网格搜索方法进行交叉验证,从而得到线性核下的最优参数。实验结果验证了此种方法在肺结节检测中应用的可行性及有效性。
展开更多
关键词
信息处理技术
肺结节识别
最小二乘支持向量机
矩阵模式
交叉验证
下载PDF
职称材料
多核学习矩阵化最小二乘支持向量机算法及肺结节识别
被引量:
3
2
作者
李阳
文敦伟
+1 位作者
王珂
刘乐
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2014年第2期508-515,共8页
针对传统肺结节识别中对感兴趣区域(ROI)进行特征计算时造成的一些隐含结构信息丢失的问题,提出了矩阵输入模式的多核学习矩阵化最小二乘支持向量机识别算法(MKLMatLSSVM)。该算法将多核方法与矩阵化最小二乘支持向量机(MatLSSVM)相结合...
针对传统肺结节识别中对感兴趣区域(ROI)进行特征计算时造成的一些隐含结构信息丢失的问题,提出了矩阵输入模式的多核学习矩阵化最小二乘支持向量机识别算法(MKLMatLSSVM)。该算法将多核方法与矩阵化最小二乘支持向量机(MatLSSVM)相结合,继承了二者优点,涵盖了多种类型的核。为验证算法的有效性,将其应用于肺结节识别。实验采用20个患者的CT图像,提取的ROI中含80个结节及190个假阳。结果表明,MKL-MatLSSVM算法在使用混合核及RBF核时,能兼顾敏感度、准确度和特异度指标,且其接收者操作特征(ROC)曲线下面积均可达到0.96以上,优于先前两种包括MatLSSVM在内的支持向量机(SVM)算法。
展开更多
关键词
信息处理技术
图像
识别
肺结节识别
MKLMatLSSVM算法
多核学习
支持向量机
下载PDF
职称材料
题名
基于图像模式的肺结节识别
被引量:
3
1
作者
李阳
史东承
王珂
王燕
魏艳芳
机构
吉林大学通信工程学院
长春工业大学计算机科学与工程学院
空军航空大学航空信息对抗系
吉视传媒股份有限公司长春分公司
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2013年第S1期463-467,共5页
基金
吉林省科技发展计划青年科研基金项目(201201129)
长春工业大学理工科基金项目(2011LG04)
文摘
将矩阵化最小二乘支持向量机算法应用于肺结节识别的研究,将图像矩阵作为输入,可解决空间信息丢失问题。实验选用20套CT影像,用提取出的20个结节与20个假阳测试分类器性能。正则化参数用网格搜索方法进行交叉验证,从而得到线性核下的最优参数。实验结果验证了此种方法在肺结节检测中应用的可行性及有效性。
关键词
信息处理技术
肺结节识别
最小二乘支持向量机
矩阵模式
交叉验证
Keywords
information processing technology
lung nodule recognition
least squares support vector machine(LS-SVM)
matrix patterns
cross-validation
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
多核学习矩阵化最小二乘支持向量机算法及肺结节识别
被引量:
3
2
作者
李阳
文敦伟
王珂
刘乐
机构
吉林大学通信工程学院
长春工业大学计算机科学与工程学院
阿萨巴斯卡大学计算与信息系统学院
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2014年第2期508-515,共8页
基金
吉林省科技发展计划项目(201201129)
长春工业大学理工科基金项目(2011LG04)
+1 种基金
2012年国家级'大学生创新创业训练计划'项目(201210190017)
吉林省教育厅科研专项项目(2014142)
文摘
针对传统肺结节识别中对感兴趣区域(ROI)进行特征计算时造成的一些隐含结构信息丢失的问题,提出了矩阵输入模式的多核学习矩阵化最小二乘支持向量机识别算法(MKLMatLSSVM)。该算法将多核方法与矩阵化最小二乘支持向量机(MatLSSVM)相结合,继承了二者优点,涵盖了多种类型的核。为验证算法的有效性,将其应用于肺结节识别。实验采用20个患者的CT图像,提取的ROI中含80个结节及190个假阳。结果表明,MKL-MatLSSVM算法在使用混合核及RBF核时,能兼顾敏感度、准确度和特异度指标,且其接收者操作特征(ROC)曲线下面积均可达到0.96以上,优于先前两种包括MatLSSVM在内的支持向量机(SVM)算法。
关键词
信息处理技术
图像
识别
肺结节识别
MKLMatLSSVM算法
多核学习
支持向量机
Keywords
information processing;image recognition;lung nodule recognition;MKL-MatLSSVMalgorithm;multiple kernel learning;support vector machines
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于图像模式的肺结节识别
李阳
史东承
王珂
王燕
魏艳芳
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2013
3
下载PDF
职称材料
2
多核学习矩阵化最小二乘支持向量机算法及肺结节识别
李阳
文敦伟
王珂
刘乐
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2014
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部